基于专家竞争的快速灵活图像盲去噪

快速与灵活处理是图像去噪诸多实际应用的两个基本要求。然而，当前最先进的方法仍要么需要高计算成本，要么目标范围有限。我们引入一种通过专家网络竞争训练的高效集成网络，作为图像盲去噪的应用。我们实现了将无标签噪声数据集自动划分为若干簇，分别优化以提升去噪性能。该架构可扩展，能够在不增加计算时间的情况下处理多种噪声来源/水平。利用此方法，与具有相同架构的单网络模型相比，我们节省了约90%的计算成本且不牺牲去噪性能。我们还将所提方法与几种现有算法比较，观察到在计算效率方面显著优于先前方法。